深度 · 大模型产业观察 2026.10.20 10月19日晚，MiniMax正式更新M3.1 Flash。 而在此前以匿名身份处理超过200T Token的Space Bunny，正是M3.1 Flash的早期版本。 大模型行业的灰度测试，惯例上以邀请制内测或限量公测的面目出现。而MiniMax选择的是 一条更激进也更少见的路径。 9月23日，一个名为Space Bunny Alpha的匿名模型出现在OpenRouter和OpenCode上。没有厂商署名，没有模型卡，输入输出定价均为零。它带着一组相当具体的规格：100万token上下文，文本、图片、视频三种模态输入，工具调用能力，五档可调推理强度。 9月24日，社区开始给它做指纹鉴定。独立研究者通过分词器比对与token计数测试，结果与MiniMax家族高度吻合。同一时期，MiniMax官方开源的MiniMax Code仓库里，测试代码已经提前写入了MiniMax-M3.1、一百万token上下文与多档推理强度的配置。 9月27日，MiniMax在自己的MiniMax Code平台静默上线了M3.1-Flash-Preview。没有官宣，没有跑分，规格与Space Bunny高度重合。 9月30日，Space Bunny在OpenRouter录得当月单日最高调用量，第三方追踪数据显示其峰值周的token消耗量超过28T，压过了榜单上所有有名字、有报价的模型。 10月1日，模型页面挂出10月5日下架的预告横幅，这是stealth匿名系列中第一个提前公布自己死期的模型。 10月5日，Space Bunny按预告下架。 10月19日，MiniMax正式官宣认领，公布基准成绩、定价与API上线信息。据报道，模型权重将于10月23日放出。 这不是孤例。把匿名模型挂上聚合平台跑真实流量，已经成了部分厂商的固定预热动作。 此前的Pony Alpha被验证为GLM-5，Hunter Alpha对应小米MiMo系列，Ox Alpha对应GLM-5.3 Flash。 Space Bunny 是这条匿名产品线上流量最大、匿名期最长的一次。 这个模式的价值是清晰的。 免费加无品牌背书，构成了一次罕见的天然对照实验。 开发者不因为厂商名气调用它，也不因为价格门槛绕过它，选择完全基于实时体验。匿名期十三天里积累的负载构成、任务分布与长尾失败模式，是任何实验室评测都无法替代的发布前资产。 这个模式在MiniMax身上还多了一层意味。 M3发布时的市场反响并不理想，第三方机构Artificial Analysis的智能指数将M3排在主流模型第九位，摩根大通随后将公司评级从增持下调至中性，市值从高点缩水超过八成。 在一片以跑分和官宣为中心的发布惯例里，让产品先匿名接受市场检验，某种意义上是刻意绕开前代口碑包袱的做法。 「成绩先用流量说话，名分后补。」 匿名模型的服务条款写明提示词与补全内容可能被提供方留存。 海外开发者社区对此的质疑集中在两点： 海量真实业务负载流经一个责任主体不明的模型，用户数据归属如何界定； 模型安全护栏出问题，责任由平台方还是提供方承担。 此外匿名期没有服务等级协议，没有故障兜底，没有支持渠道，官方的高可用表现不能等同于企业商用标准。这些都是范式创新必须附带的合规注脚。 M3.1 Flash的架构细节官方披露有限，但其技术谱系有明确的公开锚点。 上一代的MiniMax M3是4280亿总参、230亿激活参数的混合专家模型，自研MSA稀疏注意力采用两阶段设计：轻量索引分支快速筛选top-k的KV块，主分支仅对相关块执行完整注意力计算，将单token计算量压到前代的二十分之一，预填充阶段加速超9倍，解码阶段加速超15倍。 M3.1 Flash产品页确认延续这一总参与激活规格，但MiniMax尚未发布技术报告说明Flash变体的具体改动。 M3.1 Flash在稀疏化路线上走得更激进。 官方口径是更激进的稀疏注意力架构与推理效率优化，最终兑现为： 200+ 日常输出速度TOKENS PER SECOND 170+ 中位数P50稳定输出速度 3倍 线上推理速度较前代的提升幅度 思考不可关闭：API层设置关闭推理会返回错误，只能调节档位，这意味着轻量任务也会消耗推理token，成本测算需按实际档位建模。 多模态有边界：模型原生支持视频输入，这是同价位竞品中少见的差异化项，但本轮官方基准以文本与屏幕图像任务为主，视频与音频能力不是本次升级的核心发力点，不宜高估其多模态闭环水平。 本轮官方基准覆盖四个方向，成绩如下： 需要先做一个口径说明。 Automation Bench一项，部分媒体引用的数字是62.2，与官方表格的62.8并存。两个数字源于基准表格口径与max推理档位复测口径的差异，本文以官方原文表格为准，读者交叉比对不同信源时不必视为数据冲突。 再读数据本身。 Automation Bench衡量跨SaaS系统的真实企业业务流，考察模型在异构系统接口之间的任务分解与状态维持；ALE的特殊性在于任务带有真实经济价值属性，衡量的是值得付费委托的场景下的电脑操作通过率。 这两个基准的组合传递的信号是模型的价值评估坐标系正在从对话质量迁移到任务闭环率。 在ALE的官方测算中，通过全部152道任务的预估总成本约在739元量级，计算口径官方未完全披露，第三方复现前宜作为参考值而非定论。 与M3.1 Flash几乎同时登场的DeepSeek V4.1 Flash-1017是绕不开的参照系。 两者都定位高吞吐低价位，都支持百万级上下文，但细读榜单可以看到清晰的分工。 DeepSeek在DeepSWE、Terminal Bench等编程与终端主导型基准上得分更高，且以MIT协议开放权重，可以自部署，对数据主权敏感或需要微调的团队几乎是最优解。 MiniMax在跨SaaS自动化与Computer Use类目领先，且是同档中唯一支持视频输入的选项。 这不是零和竞争，而是路线分化。 一个把工程代码能力做到极限，一个押注端到端的业务闭环。对采购方而言，更现实的问题是定价结构而非单项跑分。 Flash档位普遍采用缓存独立计价，缓存读取每百万token仅0.1元，这个结构天然偏向多轮循环、系统提示词高度复用的Agent任务，一次性问答或全新文档场景缓存无法命中，实际账单会明显升高。定价模式本身是为Agent场景量身设计的，不是通用场景的最优解。 企业采购视角下，三个问题比任何基准都更实际。 0.1元的缓存单价只有在系统提示词复用率高的工作负载下才成立。建议按日均token量、读写比、缓存复用率三个参数建模，用自己的真实任务跑一周账单再谈迁移。 单任务成本下降会刺激开发者把更多低频低价值的自动化任务交给Agent，总token消耗量上升，企业整体账单未必下降。降本的红利更多流向把原本不敢自动化的任务纳入范围的团队，而不是简单替换现有调用的团队。 匿名期的高可用没有SLA背书，正式版上线后企业客户才有正式的服务保障、限流与故障兜底机制。从灰度到商用之间，隔着的正是这层制度化的服务承诺。 产品矩阵的分工也随之清晰。 Flash面向规模化Agent商用，主打性价比；追求智能上限的Pro版本将于稍后推出。 这套分层与海外旗舰加速模型加推理模型的双轨布局逻辑一致。 一个负责把成本打下来，一个负责把能力天花板顶上去。 匿名期积累的社区反馈，为正式版提供了一份难得的第三方验证材料，也留下了明确的待办清单。 正面的部分超出预期。 多位开发者记录了模型的自我核验行为：在有浏览器工具可用时主动打开页面截图检查效果，在宣布任务完成前先修复自己发现的问题。这种长程调度中的自检闭环，在免费匿名模型中并不常见。 负面的部分同样具体。 幻觉偏高、相同提示词的结果一致性差、需要深度推理的长任务表现回落，均有实测记录。 另一个高频抱怨指向思考模式。默认max档位下，简单任务也会消耗大量推理token，让依赖简短回答的外部解析器频繁超时。正式版是否修复了这些长尾问题，需要开发者大规模复测给出结论，基准得分无法替代这一过程。 ALE与Automation Bench都是标准化任务集，企业真实业务中存在大量基准不覆盖的异构系统、私有接口与非标准化页面。 「基准分数不等于真实业务闭环率。」 Space Bunny的故事值得记录，因为它把一次产品发布拆成了两个独立事件。 先用匿名负载完成市场验证，再用正式身份完成商业兑现。 考虑到M3发布时的市场冷遇，这轮匿名灰度还多了一层意味，让产品绕开前代口碑包袱，让流量先于叙事说话。 200T Token的匿名负载，比任何发布会都更有说服力地回答了这个模型有没有人用，而合规争议、无SLA的灰度期、口径打架的基准数字，则提醒我们 范式创新从来不附带免检资格。 接下来需要跟踪的清单已经清晰。权重开放后的生态反应，Pro版本的梯度衔接，长尾问题在正式版的修复程度，以及真实企业账单与官方测算之间的偏差。 兔子摘下了头套，聚光灯下的日子才刚刚开始。 （本文基于MiniMax官方发布信息及公开报道撰写，基准数据均为官方口径，独立评测结果以第三方复现为准。）完整时间线：匿名期里发生了什么
匿名灰度：一种正在成型的发布范式
1M上下文与稀疏注意力的代际传承
能力数据
竞品对照：Flash双子星的路线分化
商业化视角：账单比跑分重要
社区实测
结语
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表